Question

在lm和glm模型中，我使用函数coef和confint来实现目标：

m = lm(resp ~ 0 + var1 + var1:var2) # var1 categorical, var2 continuous
coef(m)
confint(m)

现在我使用lme4包中的lmer函数为模型添加了随机效果 - 使用了混合效果模型。但是，函数coef和confint对我来说不再有用了！

> mix1 = lmer(resp ~ 0 + var1 + var1:var2 + (1|var3)) 
                                      # var1, var3 categorical, var2 continuous
> coef(mix1)
Error in coef(mix1) : unable to align random and fixed effects
> confint(mix1)
Error: $ operator not defined for this S4 class

我尝试谷歌并使用文档，但没有结果。请指出我正确的方向。

编辑：我也在考虑这个问题是否更适合https://stats.stackexchange.com/，但我认为它更具技术性而非统计性，所以我认为它最适合这里（SO）......您怎么看？

Answer 1

有两个新软件包lmerTest和lsmeans可以计算lmer和glmer输出的95％置信区间限制。也许你可以看看那些？而coefplot2，我认为也可以这样做（尽管Ben在下面以不太复杂的方式指出Wald统计数据的标准误差，而不是使用Kenward-Roger和/或Satterthwaite df近似值在lmerTest和lsmeans）中......遗憾的是，在lsmeans包中仍然没有内置的绘图工具（正如包effects()中一样，btw也会返回对lmer和glmer个对象的95％置信限制，但是通过重新设置没有任何随机因素的模型来实现这一点，这显然是不正确的。）

Answer 2

我建议你使用好的老lme（包nlme）。它有一些特权，如果你需要对比，那么就有一系列的选择（在gmodels中可以估算，对比中的对比，在multcomp中的glht）。

为什么lmer中缺少p值和confint：请参阅http://finzi.psych.upenn.edu/R/Rhelp02a/archive/76742.html。

Answer 3

假设固定效应的正常近似值（也可以进行配置），我们可以通过

获得95％的置信区间

估计+ 1.96 *标准误差。

以下内容不适用于方差分量/随机效应。

library("lme4")
mylm <- lmer(Reaction ~ Days + (Days|Subject),  data =sleepstudy)

# standard error of coefficient

days_se <- sqrt(diag(vcov(mylm)))[2]

# estimated coefficient

days_coef <- fixef(mylm)[2]

upperCI <-  days_coef + 1.96*days_se
lowerCI <-  days_coef  - 1.96*days_se

Answer 4

不确定何时添加，但现在confint（）在lme4中实现。例如，以下示例有效：

library(lme4)
m = lmer(Reaction ~ Days + (Days | Subject), sleepstudy)
confint(m)

Answer 5

我要在这里补充一点。如果 m 是拟合的 (g)lmer 模型（其中大部分也适用于 lme）：

fixef(m) 是从混合模型中提取系数的规范方法（此约定从 nlme 开始，并延续到 lme4）
你可以用coef(summary(m))得到完整的系数表；如果您在拟合模型之前加载了 lmerTest，或者在拟合后通过 lmerTest 转换模型（然后加载 coef(summary(as(m,"merModLmerTest")))），则系数表将包含 p 值。（系数表是一个矩阵；您可以通过例如 ctab[,"Estimate"]、ctab[,"Pr(>|t|)"] 提取列，或将矩阵转换为数据框并使用 $-indexing。）
如上所述，您可以通过 confint(m) 获得可能性概况置信区间；这些可能是计算密集型的。如果您使用 confint(m, method="Wald")，您将获得标准的 +/- 1.96SE 置信区间。（lme 使用 intervals(m) 而不是 confint()。）

如果您更喜欢使用 broom.mixed：

tidy(m,effects="fixed") 为您提供一个包含估计值、标准误差等的表格。
tidy(as(m,"merModLmerTest"), effects="fixed")（或首先用 lmerTest 拟合）包括 p 值
添加 conf.int=TRUE 给出 (Wald) CI
添加 conf.method="profile"（与 conf.int=TRUE 一起）提供可能性配置文件 CI

您还可以通过参数引导程序 (method="boot") 获得置信区间，这种方法速度较慢，但在某些情况下更准确。

Answer 6

要查找系数，您只需使用lme4的汇总功能

即可

m = lm(resp ~ 0 + var1 + var1:var2) # var1 categorical, var2 continuous
m_summary <- summary(m)

拥有所有系数：

m_summary$coefficient

如果您需要置信区间，请将标准误差乘以1.96：

CI <- m_summary$coefficient[,"Std. Error"]*1.96
print(CI)

Answer 7

我建议使用tab_model()软件包中的sjPlot函数作为替代。干净且可读的输出准备降价。参考here和示例here。

对于来自同一包装的plot_model()更具视觉倾斜度的人也可能会派上用场。

替代解决方案是使用parameters package通过model_parameters() function。

如何在混合效果模型中获得系数及其置信区间？

7 个答案: